使用 Geopandas 绘制缺失值

Question

我的 shapefile 在某些列（例如 GDP）上有一些缺失值（由 nan 表示）。在不处理这些缺失值的情况下进行绘图时，图例显示如下： enter image description here

这不是我想要的。因此，我用字符串 "missing" 替换缺失值，然后重做绘图。毫不奇怪，我收到错误消息说 TypeError: '<' not supported between instances of 'str' and 'float'.

我的问题是： 1. Geopandas 如何处理缺失值？它是否将缺失值存储在字符串或其他类型的数据中？ 2. 如何保留那些缺失值并用图例标签重新绘图以显示缺失值？

Answer 1

GeoPandas 目前不支持绘制缺失值。这计划用于 0.7 版本。可能的解决方案是只绘制那些没有缺失值的行，然后只绘制缺失值。由于您没有给我们任何代码，下面是来自 https://nbviewer.jupyter.org/gist/jorisvandenbossche/bb1cc71f94aa3e8f2832f18dd12f6174

的示例

import geopandas

gdf = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))

# Introduce some missing values:
gdf.loc[np.random.choice(gdf.index, 20), 'pop_est'] = np.nan

ax = gdf[gdf.pop_est.notna()].plot(column='pop_est', figsize=(15, 10), legend=True)
gdf[gdf.pop_est.isna()].plot(color='lightgrey', hatch='///', ax=ax)

Answer 2

import numpy as np
import matplotlib.pyplot as plt
import geopandas as gpd
import pysal.viz.mapclassify as mc
from matplotlib.colors import rgb2hex
from matplotlib.colors import ListedColormap
plt.style.use('seaborn')

gdf = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
# generate random data
gdf['random'] = np.random.normal(100, 10, len(gdf))
# assign missing values
gdf.loc[np.random.choice(gdf.index, 40), 'random'] = np.nan

此处的基本思想是根据要用于数字数据的分类方法（例如，分位数、百分位数等）创建一个 category/string 列。之后，我们绘制该字符串列，以便我们可以传递自定义的颜色图（用灰色表示缺失值）。

# categorize the numerical column
k = 5
quantiles = mc.Quantiles(gdf.random.dropna(), k=k)
gdf['random_cat'] = quantiles.find_bin(gdf.random).astype('str')

gdf.loc[gdf.random.isnull(), 'random_cat'] = 'No Data'

# add grey to a colormap to represent missing value
cmap = plt.cm.get_cmap('Blues', k)
cmap_list = [rgb2hex(cmap(i)) for i in range(cmap.N)]
cmap_list.append('grey')
cmap_with_grey = ListedColormap(cmap_list)

# plot map
fig, ax = plt.subplots(figsize=(12, 10))
gdf.plot(column='random_cat', edgecolor='k', cmap=cmap_with_grey,
         legend=True, legend_kwds=dict(loc='center left'),
         ax=ax)

# get all upper bounds in the quantiles category
upper_bounds = quantiles.bins
# get and format all bounds
bounds = []
for index, upper_bound in enumerate(upper_bounds):
    if index == 0:
        lower_bound = gdf.random.min()
    else:
        lower_bound = upper_bounds[index-1]

    bound = f'{lower_bound:.2f} - {upper_bound:.2f}'
    bounds.append(bound)

# get all the legend labels
legend_labels = ax.get_legend().get_texts()
# replace the numerical legend labels
for bound, legend_label in zip(bounds, legend_labels):
    legend_label.set_text(bound)

您可能想看看以下帖子：

Matplotlib.colors.ListedColormap in python

Change main plot legend label text

更新为 geopandas 0.8.1:

您现在可以简单地在绘图函数中传递一个 missing_kwds 参数：

fig, ax = plt.subplots(figsize=(12, 10))

missing_kwds = dict(color='grey', label='No Data')

gdf.plot(column='random', scheme='Quantiles', k= 5,
         legend=True, legend_kwds=dict(loc='center left'),
         missing_kwds=missing_kwds, ax=ax)

Answer 3

更新：geopandas 中的新功能解决了您的问题：您可以将缺失值保留为 NaN 并使用：

ax = gdf.plot( <other arguments>, 
       missing_kwds = dict(color = "lightgrey",) )

将所有缺失数据区域设为浅灰色。

见https://geopandas.readthedocs.io/en/latest/mapping.html （实际上，文档可能会说参数是 missing_kwdsdict，但以上是对我有用的）

使用 Geopandas 绘制缺失值

use Geopandas plot missing values

plot

nan

geopandas